大數(shù)據(jù)驅(qū)動(dòng)的機(jī)械裝備智能運(yùn)維理論及應(yīng)用

定　價(jià)：￥138.00

作　者：	雷亞國(guó) 等著
出版社：	電子工業(yè)出版社
叢編項(xiàng)：	工業(yè)智能與工業(yè)大數(shù)據(jù)系列
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787121424199	出版時(shí)間：	2021-12-01	包裝：	平裝
開本：	16開	頁數(shù)：	196	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本著作面向?qū)W科發(fā)展前沿與工程迫切需求，圍繞機(jī)械裝備智能運(yùn)維面臨的新挑戰(zhàn)：數(shù)據(jù)大而不全呈碎片化”、診斷與預(yù)測(cè)受制于專家經(jīng)驗(yàn)、智能診斷依賴充足可用數(shù)據(jù)等，凝練出大數(shù)據(jù)背景下智能運(yùn)維領(lǐng)域的科學(xué)問題與應(yīng)用難題，按照問題-理論-技術(shù)-實(shí)例”的邏輯主線，詳細(xì)介紹了監(jiān)測(cè)大數(shù)據(jù)質(zhì)量保障、機(jī)械裝備故障深度智能診斷、機(jī)械裝備故障遷移智能診斷、數(shù)據(jù)驅(qū)動(dòng)的機(jī)械裝備剩余壽命預(yù)測(cè)等基礎(chǔ)理論與核心技術(shù)，所述內(nèi)容兼具前沿性、創(chuàng)新性與工程實(shí)用性。旨在將作者團(tuán)隊(duì)在智能運(yùn)維領(lǐng)域的長(zhǎng)期經(jīng)驗(yàn)積累與**研究成果分享給廣大讀者，為其開展相關(guān)學(xué)術(shù)研究、解決應(yīng)用難題提供參考。

作者簡(jiǎn)介

　　雷亞國(guó)，西安交通大學(xué)教授、博士生導(dǎo)師；英國(guó)工程技術(shù)學(xué)會(huì)會(huì)士（IET Fellow）、國(guó)際工程資產(chǎn)管理協(xié)會(huì)會(huì)士（ISEAM Fellow）、國(guó)家杰出青年科學(xué)基金獲得者、國(guó)家高層次人才特殊支持計(jì)劃入選者、科睿唯安全球高被引科學(xué)家（工程學(xué)、跨學(xué)科領(lǐng)域）?，F(xiàn)擔(dān)任IEEE Transactions on Industrial Electronics、Mechanical Systems and Signal Processing等本領(lǐng)域著名期刊副主編。長(zhǎng)期從事機(jī)械系統(tǒng)建模與動(dòng)態(tài)信號(hào)處理、大數(shù)據(jù)智能故障診斷與壽命預(yù)測(cè)、機(jī)械狀態(tài)健康監(jiān)測(cè)與智能運(yùn)維等方面的研究工作。曾獲國(guó)家技術(shù)發(fā)明二等獎(jiǎng)、教育部自然科學(xué)一等獎(jiǎng)、教育部青年科學(xué)獎(jiǎng)、中國(guó)青年科技獎(jiǎng)、霍英東教育基金會(huì)青年教師獎(jiǎng)、慶祝中華人民共和國(guó)成立70周年紀(jì)念章、陜西青年五四獎(jiǎng)?wù)隆?/div>

圖書目錄

第1章緒論 1
1．1 機(jī)械監(jiān)測(cè)大數(shù)據(jù)的形成因素與領(lǐng)域特點(diǎn) 3
1．1．1 機(jī)械監(jiān)測(cè)大數(shù)據(jù)的形成因素 3
1．1．2 機(jī)械監(jiān)測(cè)大數(shù)據(jù)的領(lǐng)域特點(diǎn) 4
1．2　機(jī)械裝備智能運(yùn)維的相關(guān)概念與研究現(xiàn)狀 5
1．2．1 機(jī)械裝備運(yùn)行維護(hù)的定義 5
1．2．2 機(jī)械裝備智能運(yùn)維的定義 6
1．2．2 機(jī)械裝備智能運(yùn)維的研究現(xiàn)狀 7
1．3 大數(shù)據(jù)下智能運(yùn)維面臨的機(jī)遇與挑戰(zhàn) 14
參考文獻(xiàn) 17
第2章機(jī)械監(jiān)測(cè)大數(shù)據(jù)質(zhì)量保障 21
2．1　基于無跡卡爾曼濾波的流數(shù)據(jù)異常檢測(cè) 21
2．1．1　無跡卡爾曼濾波基本原理 22
2．1．2 基于無跡卡爾曼濾波的流數(shù)據(jù)異常檢測(cè)方法 24
2．1．3 滾動(dòng)軸承流數(shù)據(jù)的異常檢測(cè) 26
2．2 基于核密度異常因子的離線歷史數(shù)據(jù)異常檢測(cè) 29
2．2．1 局部異常因子基本原理 29
2．2．2 基于核密度異常因子的異常數(shù)據(jù)檢測(cè)方法 31
2．2．3 風(fēng)機(jī)主傳動(dòng)系統(tǒng)異常數(shù)據(jù)檢測(cè) 35
2．3 基于張量Tucker分解的缺失數(shù)據(jù)恢復(fù) 37
2．3．1 張量分解理論 38
2．3．2 基于張量Tucker分解的缺失數(shù)據(jù)恢復(fù)方法 43
2．3．3 齒輪箱缺失數(shù)據(jù)恢復(fù) 46
本章小結(jié) 50
參考文獻(xiàn) 51
第3章基于傳統(tǒng)機(jī)器學(xué)習(xí)的機(jī)械裝備智能故障診斷 53
3．1 基于人工神經(jīng)網(wǎng)絡(luò)的智能故障診斷 54
3．1．1 人工神經(jīng)網(wǎng)絡(luò)基本原理 55
3．1．2 機(jī)車輪對(duì)軸承智能故障診斷 57
3．2 基于支持向量機(jī)的智能故障診斷 59
3．2．1 支持向量機(jī)基本原理 60
3．2．2 行星齒輪箱智能故障診斷 62
3．3 混合智能故障診斷 66
3．3．1 混合智能診斷基本原理 66
3．3．2 混合智能診斷模型 67
3．3．3 電動(dòng)機(jī)滾動(dòng)軸承智能故障診斷 73
本章小結(jié) 75
參考文獻(xiàn) 75
第4章基于深度學(xué)習(xí)的機(jī)械裝備智能故障診斷 77
4．1 深度置信網(wǎng)絡(luò)智能故障診斷 78
4．1．1 受限玻爾茲曼機(jī)基本原理 78
4．1．2 深度置信網(wǎng)絡(luò)智能診斷模型 80
4．1．3 電動(dòng)機(jī)滾動(dòng)軸承智能故障診斷 82
4．2 堆疊自編碼機(jī)智能故障診斷 84
4．2．1 自編碼機(jī)基本原理 84
4．2．2 堆疊自編碼機(jī)智能診斷模型 86
4．2．3 行星齒輪箱智能故障診斷 88
4．3 加權(quán)卷積神經(jīng)網(wǎng)絡(luò)智能故障診斷 91
4．3．1 卷積神經(jīng)網(wǎng)絡(luò)基本原理 92
4．3．2 加權(quán)卷積網(wǎng)絡(luò)智能診斷模型 94
4．3．3 機(jī)車輪對(duì)軸承智能故障診斷 98
4．4 殘差網(wǎng)絡(luò)智能故障診斷 101
4．4．1 殘差單元基本原理 101
4．4．2 基于殘差網(wǎng)絡(luò)的智能診斷模型 102
4．4．3 行星齒輪箱智能故障診斷 103
本章小結(jié) 106
參考文獻(xiàn) 106
第5章機(jī)械裝備故障遷移智能診斷 109
5．1 遷移診斷問題 110
5．1．1 領(lǐng)域與診斷任務(wù) 110
5．1．2 遷移診斷任務(wù)類型 110
5．1．3 遷移智能診斷方法分類 111
5．2 基于實(shí)例加權(quán)的遷移智能診斷 113
5．2．1 TrAdaboost算法描述 113
5．2．2 基于TrAdaboost算法的遷移診斷策略 114
5．2．3 行星齒輪箱的跨工況遷移故障診斷 116
5．3 基于特征分布適配的遷移智能診斷 118
5．3．1 特征分布適配基本原理 119
5．3．2 基于特征分布適配的遷移診斷策略 120
5．3．3 跨裝備軸承間的遷移故障診斷 122
5．4 多核特征空間適配的深度遷移智能診斷 125
5．4．1 多核植入的最大均值差異 126
5．4．2 多核特征空間適配的深度遷移診斷模型 127
5．4．3　跨裝備軸承間的遷移故障診斷 130
5．5 特征分布對(duì)抗適配的深度遷移智能診斷 132
5．5．1 生成對(duì)抗網(wǎng)絡(luò)基本原理 132
5．5．2 特征分布對(duì)抗適配的深度遷移診斷模型 133
5．5．3 跨工況與跨裝備遷移故障診斷 135
本章小結(jié) 139
參考文獻(xiàn) 140
第6章數(shù)據(jù)驅(qū)動(dòng)的機(jī)械裝備剩余壽命預(yù)測(cè) 143
6．1 基于循環(huán)神經(jīng)網(wǎng)絡(luò)的健康指標(biāo)構(gòu)建方法 145
6．1．1 多域特征提取 146
6．1．2 特征評(píng)價(jià)與選擇 148
6．1．3 健康指標(biāo)構(gòu)建 149
6．1．4 滾動(dòng)軸承健康指標(biāo)構(gòu)建 151
6．2 自適應(yīng)多核組合相關(guān)向量機(jī)剩余壽命預(yù)測(cè)方法 155
6．2．1 相關(guān)向量機(jī)基本原理 155
6．2．2 基于自適應(yīng)多核組合相關(guān)向量機(jī)的剩余壽命預(yù)測(cè)方法 157
6．2．3 齒輪剩余壽命預(yù)測(cè) 159
6．3 深度可分卷積網(wǎng)絡(luò)構(gòu)建及剩余壽命預(yù)測(cè) 163
6．3．1 可分卷積模塊構(gòu)建 163
6．3．2 網(wǎng)絡(luò)結(jié)構(gòu)與剩余壽命預(yù)測(cè) 167
6．3．3 滾動(dòng)軸承剩余壽命預(yù)測(cè) 168
6．4 循環(huán)卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建及剩余壽命預(yù)測(cè) 173
6．4．1 循環(huán)卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建 173
6．4．2 預(yù)測(cè)不確定性量化 176
6．4．3 數(shù)控機(jī)床刀具剩余壽命預(yù)測(cè) 178
本章小結(jié) 182
參考文獻(xiàn)